池鱼的博客

CreatorPilot

Mon, 28 Sep 2026 21:17:00 GMT

从 CreatorPilot 说起#

最近用 Vibe Coding 的方式做了一个项目——CreatorPilot，一个 AI 内容运营平台。项目已经开源在 GitHub，如果觉得还不错，欢迎点个 Star 支持一下。

目前还是 1.0 版本

现在它只是 1.0，后续我会继续优化打磨，争取把它做成一个真正可用、也能部署上线的应用。

主要功能#

AI 运营助手：对话生成内容，查询素材与账号，提交发布和分析任务
素材管理：上传、管理并预览图片和视频
多账号发布：绑定各平台账号，立即上传内容或提交平台预约
运营分析：同步作品指标，生成并保存分析报告
每周自动化：定时同步指标、生成报告，支持先同步再分析

为什么做这个项目#

出发点其实很简单：想借一个完整的项目，把自己目前学到的开发知识真正串起来、落地一遍，顺便也能写进简历。

至于具体的项目内容和实现细节，点开 GitHub 仓库就能看到，这里就不多赘述了。

学习 AI Agent 开发

Thu, 06 Aug 2026 00:00:00 GMT

从“找实习”开始的一次尝试#

暑假回到家后，我开始思考能不能找一份实习。不过连续投递了几天，结果并不理想。看着还有一段比较完整的暑假时间，我不想把它荒废掉，于是决定接触一下最近比较热门的 AI Agent 智能应用开发。

这不是一篇教程

这篇文章只是我的阶段性学习记录，主要分享学习路线、一些初步理解和过程中遇到的想法。如果其中有不准确的地方，欢迎指出。

先补了一遍 Python#

在正式学习 AI 之前，我先花了三四天快速过了一遍 Python。因为之前已经学习过 Java，所以 Python 的基础语法并没有花太长时间就能看懂，主要参考了廖雪峰老师的教程。

这一步对我来说更像是熟悉工具。真正开始学习之后，我发现 Python 生态里的很多 AI 工具都比较成熟，先把基本语法和常用写法过一遍，后面阅读示例代码会轻松很多。

我接触到的学习内容#

这段时间的学习内容比较多，刚开始接触时也有些稀里糊涂。好在课程会围绕一个个小项目展开，所以我没有只停留在概念层面。

Transformer 架构和大模型应用的基本原理
Token、上下文窗口和模型推理参数
Prompt 工程与大模型 API 调用
结构化输出、Function Calling 与工具调用
对话记忆、RAG 知识库和向量检索
embedding、top-k、rewrite、rerank 等概念
LangChain、Agent、工具调用和多模态能力
LangGraph 中的 node、edge、state 与工作流编排
Agent 的安全、评估、调试与成本控制

从大模型调用到 RAG#

最开始学习的是如何调用大模型完成普通对话，然后逐步加入对话记忆和知识库能力。学习 RAG 时，我接触到了文本向量化、相似度检索和结果重排，也了解了 Chroma 这类向量数据库。

简单来说，RAG 解决的是“模型不知道我的资料”这个问题：先从资料中找到相关内容，再把这些内容交给模型，让模型基于资料回答问题。

让模型学会“做事”#

学习 Agent 之后，我才开始真正理解“让模型做事”是什么意思。通过 @tool 等方式，可以把普通函数包装成模型能够调用的工具。模型先根据用户意图选择工具，工具执行后再把结果交回模型，最后生成回复。

我目前对 Agent 的简化理解#

Agent 不只是一个会聊天的模型，而是一个围绕目标不断执行任务的流程：

理解用户的问题。
判断是否需要调用工具。
执行工具并观察结果。
根据结果决定下一步，或者直接回复用户。

这是我目前为了方便理解做的简化，实际项目中还需要考虑状态管理、异常处理、权限和循环终止等问题。

多模态与 LangGraph#

之后我又学习了多模态大模型，尝试让模型解析图片和表格。相比普通文本对话，多模态让我更直观地感受到模型输入不只可以是文字，也可以是图片、文件等其他内容。

LangGraph 则更偏向工作流编排。通过 node、edge 和 state，可以把多个步骤组织成一个更加清晰、可控的流程，也比单纯依赖一段 Prompt 更容易调试。

从“能跑”到“可用”#

刚开始学习时，只要模型能够返回结果、工具能够被调用，我就觉得功能已经完成了。但继续了解之后，我发现一个真正可用的 Agent 还需要解决很多工程问题。

首先是输出稳定性。如果下游程序需要读取模型结果，就不能只依赖一段自然语言，而是要通过结构化输出或 Function Calling，让模型按照约定的格式返回数据。

其次是安全性和边界。工具调用不能完全交给模型自由发挥，需要限制工具权限、参数范围和最大执行次数，还要防止 Prompt Injection 等恶意内容影响模型决策。

最后是效果评估和成本控制。回答是否正确、检索内容是否相关、工具调用是否成功，都需要通过日志、测试样例和运行结果进行判断。同时还要关注 Token 消耗、响应延迟和失败重试，不能只看“这次能不能跑通”。

我目前的一个新认识

Agent 的难点不只是让模型变得更聪明，而是把模型放进一个可观察、可控制、可恢复的系统里。

Python 和 Java 的差异#

在 Python 相关内容学习完成后，我又快速看了一遍 Spring AI。两边的 API 名称和具体写法不完全一样，但底层思路基本一致。

Python 生态#

主要使用 LangChain 这类框架，开发示例比较多，验证想法的速度也比较快。

Java 生态#

主要使用 Spring AI和LangChain4j，能够和熟悉的 Spring Boot、Java 后端项目结合起来。

对我来说，先用 Python 理解概念，再用 Java 了解如何接入现有后端项目，是比较适合自己的学习方式。

一个阶段性小项目#

课程最后把前面的内容串了起来，完成了一个简单的多功能聊天 Bot，具备以下能力：

普通对话聊天
解析 CSV 表格
分析图片内容
根据用户意图选择不同功能

这个项目并不算复杂，但它让我第一次把模型调用、工具、知识库和多模态能力放到了一起。相比单独学习某一个知识点，完成一个能运行起来的小项目更容易发现真正的问题。

AI 也成了我的学习工具#

整个学习过程中，我一直在使用 ChatGPT 和 Codex。遇到看不懂的代码，我会先尝试自己理解，再让 AI 帮我解释；遇到报错时，也会把错误信息和上下文整理后交给 AI 分析。

不得不说，GPT plus也是很香的。

目前的想法#

这次学习大约持续了二十多天。后面我准备开始整理项目，等大三之后继续尝试投递实习。

我感觉目前 Java 后端的就业竞争并不轻松，从零开始准备到能够找到实习，可能需要几个月甚至更长时间。因为学历和经验方面都还有不足，我投递时也遇到过不少被筛掉的情况。结合招聘信息，我也反复修改过简历，但目前效果还不算明显。

因此，AI应用开发对我来说暂时不是完全转行，而是作为 Java 后端之外的一条拓展路线。多学习一些方向，至少能让自己以后多一些选择。

写在最后#

这篇文章只是一次学习记录，不代表我已经真正掌握了 AI Agent 开发。很多概念我仍然处在入门阶段，后面还需要通过更多项目去验证和巩固。

如果你也在学习相关内容，欢迎和我交流；如果文章中有理解不准确的地方，也欢迎指出。希望我们都能在不断实践中，把“听懂了”慢慢变成“做出来了”。

新华三 NX30 Pro 免拆机刷 ImmortalWrt 保姆级教程

Tue, 30 Jun 2026 21:33:02 GMT

H3C Magic NX30 Pro 是百元价位性价比极高的 MT7981 WiFi6 路由器，硬件规格扎实、发热低、性能稳，堪称折腾 OpenWrt 的入门神机。本文带来全程免拆机、免 TTL、小白可直接照抄的刷机教程。

⚠️ 风险声明

刷机有风险，操作不当可能导致设备变砖；

刷写 UBoot 属于底层操作，不可逆；

刷机后将失去官方保修；

本文仅为技术学习记录，操作后果请自行承担。

适用固件版本#

固件版本	说明
V100R009 及更早	自带 Telnet，可直接按本文操作
V100R010	官方已封堵 Telnet，降级操作不在本文范围内，建议先寻找降级教程后再阅读本文

一、刷机准备#

1. 所需工具#

工具	用途
电脑 + 网线	连接路由器
Xshell / PuTTY	终端工具，执行命令
WinSCP	上传文件
Tftpd64	TFTP 服务（备用）

2. 需要下载的固件（ImmortalWrt）#

本人使用的是恩山论坛大佬提供的高版本大分区固件，固件非常干净，无任何服务插件，仅包含最基础包，可用空间高达 79MB。注意需要使用大分区 UBoot，该大佬也提供了对应的 UBoot。

🔗 大分区 UBoot：right.com.cn/FORUM/thread-8471511-1-1
🔗 高版本大分区固件：right.com.cn/FORUM/thread-8471076-1-1

二、Telnet 登录路由（关键步骤）#

H3C Magic NX30 Pro 默认开启了 Telnet。连接前请先确保路由器已正常联网，并已设置好后台管理密码。

Telnet 连接信息#

项目	内容
地址	`192.168.124.1`
端口	`99`
用户名	`H3C`
密码	你设置的路由器后台密码

使用终端工具连接后，登录成功会显示：

1
root@NX30Pro:~#

开启 SSH#

复制以下命令，安装 dropbear 以开启 SSH：

Terminal window

1
curl -o /tmp/dropbear.ipk https://downloads.openwrt.org/releases/packages-19.07/aarch64_cortex-a53/base/dropbear_2019.78-2_aarch64_cortex-a53.ipk
2
opkg install /tmp/dropbear.ipk
3
/etc/init.d/dropbear enable
4
/etc/init.d/dropbear start

三、备份官方系统#

用 SSH 连接路由器（默认 22 端口），执行以下命令备份官方固件：

Terminal window

1
dd if=/dev/mtd5 of=/tmp/backup.img

然后打开 WinSCP，按下表配置连接：

配置项	内容
文件协议	SCP
主机名	`192.168.124.1`
端口号	`22`
用户名	`H3C`
密码	路由器后台管理密码

登录后，将路由器 /tmp 路径下的 backup.img 文件拖到电脑上妥善保存。后续如需刷回官方固件，全靠这个文件。

四、上传并刷写第三方 UBoot#

1. WinSCP 上传文件#

通过 WinSCP（配置同上）将 bl2.img 和 uboot.bin 上传到路由器 /tmp 目录。

2. 执行刷写命令#

用终端工具 SSH 登录后，按顺序执行以下命令：

Terminal window

1
cd /tmp
2

3
# 先刷 BL2 底层（写入 BL2 分区）
4
mtd write bl2.img BL2
5

6
# ⚠️ 等待提示 "Writing done" 再执行下一条！
7
# 再刷 UBoot（写入 FIP 分区）
8
mtd write uboot.bin FIP

⚠️ 务必注意顺序，且每条命令必须显示 Writing done 才算成功，否则会变砖！

3. 重启路由器#

Terminal window

1
reboot

此时路由器已替换为第三方 UBoot，后续可任意刷入 OpenWrt / ImmortalWrt。

五、进入 U-Boot 并刷入固件#

进入 U-Boot#

拔掉路由器电源
按住背后 Reset 恢复按钮不放
插上电源，继续按住约 10 秒
松开 Reset，等待片刻即可进入 U-Boot

配置电脑静态 IP#

用网线将电脑连接到路由器 LAN1 口，设置静态 IP：

配置项	内容
IP 地址	`192.168.1.2`
子网掩码	`255.255.255.0`
网关	`192.168.1.1`
DNS	`192.168.1.1`

刷入固件#

浏览器打开 http://192.168.1.1，进入 U-Boot 后台：

选择下载好的固件文件（如 nx30pro.bin）
点击 Upload 上传
点击 Update 开始写入

等待自动重启后即安装完成。首次启动后：

项目	内容
Wi-Fi 名称	`MTK` 开头（无密码）
后台地址	`http://192.168.6.1`
用户名	`root`
密码	`password`

💡 登录后请第一时间修改 Wi-Fi 名称/密码和后台密码。

如果这个固件已满足你的需求，不想继续折腾的话，到这里就大功告成了。

nx30pro.webp

六、刷回官方固件#

如需回到官方系统，进入 U-Boot 后选择之前备份的 backup.img 文件刷入即可，重启后将恢复官方系统。

如果本文对你有帮助，欢迎点赞收藏！

博客上线啦

Tue, 30 Jun 2026 14:03:09 GMT

关于我#

我是池鱼，一个计算机大二学生

关于这个博客#

主题用的是 Clarity，基于 Nuxt 构建。后续会在这里记录：

技术学习笔记
生活中的有趣经历
一些想法和思考

为什么写博客#

想借此博客记录成长、分享知识、和更多人交流，也希望各位读者能多多提点建议。

如果你也有博客，欢迎交换友链。